基于違約狀態(tài)判別的小企業(yè)債信評級

孟 斌,遲國泰

(大連理工大學(xué)管理與經(jīng)濟(jì)學(xué)部,遼寧大連116024)

1 引 言

債信評級是對具體的一筆貸款或公司債券等進(jìn)行的評級,以確定這筆貸款或債券回收本息的概率.債信評級的本質(zhì)是違約風(fēng)險(xiǎn)評級,衡量客戶或一筆貸款違約的可能性.因此,不論是大中型企業(yè)還是小企業(yè),它的評級體系必須符合債信等級越高、違約損失率越低的標(biāo)準(zhǔn).同時(shí),遴選出的評級指標(biāo)也必須對違約狀態(tài)有鑒別能力.不管這個(gè)指標(biāo)來自于教科書還是流行文獻(xiàn),即使在實(shí)際體系中應(yīng)用頻率很高,被人們使用的次數(shù)很多,只要它對區(qū)分企業(yè)的違約與否狀態(tài)不顯著,都不應(yīng)該納入評級指標(biāo)體系.

小企業(yè)是國民經(jīng)濟(jì)中最活躍的經(jīng)濟(jì)成分之一.據(jù)統(tǒng)計(jì),占中國企業(yè)數(shù)量98%以上的小企業(yè),對GDP貢獻(xiàn)率超過60%,對收稅的貢獻(xiàn)率超過50%,提供了85%的中國新增就業(yè)崗位,創(chuàng)造了75%的新產(chǎn)品,發(fā)明專利占比65%,在就業(yè)和創(chuàng)新等方面都發(fā)揮著重要作用.但是,小企業(yè)由于財(cái)務(wù)信息不健全、抵質(zhì)押品欠缺等特點(diǎn),普遍存在貸款融資難的問題[1].如何解決好小企業(yè)融資難的問題,成為迫切需要解決的難題之一.建立合理的小企業(yè)債信評級體系有利于解決小企業(yè)貸款融資難的現(xiàn)狀,為銀行對小企業(yè)的信用狀況進(jìn)行科學(xué)評估提供依據(jù).

1)企業(yè)信用風(fēng)險(xiǎn)評級指標(biāo)體系研究現(xiàn)狀

業(yè)界流行的5C原則是企業(yè)信用評級指標(biāo)體系的主要標(biāo)準(zhǔn)之一.5C原則的評級指標(biāo)體系從資本(capital)、品德(character)、能力(capacity)、環(huán)境(condition)、擔(dān)保(collateral)五個(gè)方面對客戶的還款能力和還款意愿進(jìn)行評價(jià)[2].作為美國信用評價(jià)先驅(qū)的標(biāo)普、穆迪和鄧白氏通過流動比率、速動比率和資產(chǎn)報(bào)酬率等反映企業(yè)真實(shí)清償能力的重要財(cái)務(wù)指標(biāo)進(jìn)行企業(yè)信用評價(jià)[3].加拿大皇家銀行主要通過企業(yè)的財(cái)務(wù)狀況對企業(yè)進(jìn)行信用評級[4].中國建設(shè)銀行通過金融財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)指標(biāo)、賬戶行為評價(jià)指標(biāo)和定性評價(jià)指標(biāo)三個(gè)方面進(jìn)行小企業(yè)信用風(fēng)險(xiǎn)評級[5].中國工商銀行通過企業(yè)的償債能力、經(jīng)營情況、發(fā)展前景、管理層現(xiàn)狀等方面對企業(yè)進(jìn)行信用評級[6].上海浦東發(fā)展銀行主要通過財(cái)務(wù)報(bào)表中的財(cái)務(wù)信息對小企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行評定[7].中國郵政儲蓄銀行的評價(jià)體系增加了宏觀環(huán)境準(zhǔn)則層的影響[8].

標(biāo)普、穆迪、鄧白氏等國外典型金融機(jī)構(gòu)評級指標(biāo)體系的共同特點(diǎn)是:評級對象都是針對大中型企業(yè),并不適合財(cái)務(wù)信息不完善的中國小企業(yè)信用評級研究.中國建設(shè)銀行、中國工商銀行等國內(nèi)典型金融機(jī)構(gòu)評級指標(biāo)體系的共同特點(diǎn)是:債信等級的劃分結(jié)果僅僅是根據(jù)客戶信用得分的高低對客戶進(jìn)行不同等級的分類,并不能確定每個(gè)債信等級的年違約損失率.

2)企業(yè)信用風(fēng)險(xiǎn)評級方法研究現(xiàn)狀

一是評級指標(biāo)篩選方法的研究現(xiàn)狀.Vytautas等通過判別分析、logistic回歸和神經(jīng)網(wǎng)絡(luò)三種方法對評價(jià)指標(biāo)進(jìn)行篩選[9].Chen通過粗糙集進(jìn)行指標(biāo)篩選,建立了亞洲銀行信用評價(jià)體系[10].Peter等通過邏輯回歸方程進(jìn)行指標(biāo)篩選,進(jìn)而對銀行的財(cái)務(wù)實(shí)力進(jìn)行評定[11].二是信用評分模型的研究現(xiàn)狀.陳雄華等建立了基于神經(jīng)網(wǎng)絡(luò)的企業(yè)債信等級評定方法[12].唐振鵬提出一種基于藤copula的信用測度模型[13].趙亦軍等利用CFaR構(gòu)建企業(yè)信用風(fēng)險(xiǎn)評估模型構(gòu)建[14].徐超設(shè)計(jì)了一個(gè)根據(jù)專家判斷法和定量模型法的混合型貸款信用評分模型[15].三是債信等級劃分的研究現(xiàn)狀.Kai等通過DEA模型對中國商業(yè)銀行的債信等級進(jìn)行劃分[16].Morningstar公司將客戶分為AAA、AA+、AA、AA-、A+、…、CC共14個(gè)債信等級,并設(shè)定了每個(gè)等級的信用得分[17].Moon等把客戶分為10個(gè)等級,90分以上的客戶為AAA級、85分～89分的客戶為AA級、…、50分以下的客戶為D級[18].

現(xiàn)有研究的不足:一是評級指標(biāo)的篩選標(biāo)準(zhǔn)并不根據(jù)指標(biāo)是否對違約狀態(tài)具有顯著的判別能力,這就明顯地有悖于信用風(fēng)險(xiǎn)(credit risk)評價(jià)即違約風(fēng)險(xiǎn)(default risk)評價(jià)這個(gè)根本目的,難免導(dǎo)致這種評級體系不能有效地區(qū)分違約企業(yè)和非違約企業(yè),也難免導(dǎo)致在這種評級體系下,債信等級高的客戶、違約率反而不低的現(xiàn)象.二是現(xiàn)有的評級體系并不根據(jù)違約鑒別能力的大小刪除反應(yīng)信息重復(fù)的指標(biāo),這會導(dǎo)致指標(biāo)的重疊與信息冗余,或?qū)е逻`約鑒別能力強(qiáng)的指標(biāo)反而被誤刪.三是現(xiàn)有債信等級的指標(biāo)權(quán)重并不能保證對違約狀態(tài)鑒別能力越強(qiáng)的指標(biāo)、權(quán)重越大.

本文以中國某一區(qū)域性商業(yè)銀行的京、津、滬、渝等地區(qū)14個(gè)分行的1 231筆小企業(yè)貸款數(shù)據(jù)為樣本,從企業(yè)內(nèi)部財(cái)務(wù)因素、企業(yè)外部宏觀環(huán)境、抵質(zhì)押擔(dān)保等七個(gè)準(zhǔn)則建立小企業(yè)債信評級體系.根據(jù)指標(biāo)對違約狀態(tài)鑒別精度的影響程度進(jìn)行第一次篩選,保證遴選出的指標(biāo)對違約狀態(tài)鑒別能力都有顯著影響;根據(jù)準(zhǔn)則內(nèi)R聚類進(jìn)行第二次篩選,避免遴選出的指標(biāo)反映信息重復(fù),構(gòu)建了一套能顯著區(qū)分小企業(yè)違約狀態(tài)的評級體系.實(shí)證結(jié)果表明:速動比率、法人代表信用卡記錄等21個(gè)指標(biāo)構(gòu)成的指標(biāo)體系不但可以顯著區(qū)分小企業(yè)的違約狀態(tài)、而且避免了重復(fù)反映信息的指標(biāo)重疊和冗余.

2 小企業(yè)債信評級的原理

小企業(yè)債信評級有三個(gè)特點(diǎn):一是財(cái)務(wù)信息不完善.相當(dāng)多的小企業(yè)財(cái)務(wù)制度過于簡單,缺少可信的財(cái)務(wù)報(bào)表,影響了對其信用風(fēng)險(xiǎn)的判斷.二是受環(huán)境影響大,抗風(fēng)險(xiǎn)能力弱.由于小企業(yè)規(guī)模不大,抗風(fēng)險(xiǎn)能力相對薄弱,商業(yè)銀行難以準(zhǔn)確把握企業(yè)的市場風(fēng)險(xiǎn)和自身風(fēng)險(xiǎn),無法滿足銀行的授信標(biāo)準(zhǔn).三是合格抵質(zhì)押品欠缺.小企業(yè)的主要抵押物是房地產(chǎn).據(jù)統(tǒng)計(jì),60%以上的小企業(yè)沒有取得土地使用證、房屋所有權(quán)證[1].甚至不少企業(yè)的廠房是租用的,嚴(yán)重制約了小企業(yè)的貸款.

小企業(yè)債信評級存在三個(gè)難點(diǎn).難點(diǎn)一:如何篩選出能夠顯著區(qū)分違約和非違約客戶的指標(biāo).理論與實(shí)踐中流行的指標(biāo)不一定對違約狀態(tài)有較強(qiáng)的鑒別能力.難點(diǎn)二:如何避免評級體系中指標(biāo)反映信息的重復(fù)、指標(biāo)重疊或指標(biāo)冗余;如何避免在反映信息重復(fù)的指標(biāo)中、誤刪對違約狀態(tài)鑒別能力強(qiáng)的指標(biāo).難點(diǎn)三:如何保證指標(biāo)對違約狀態(tài)鑒別能力越強(qiáng),指標(biāo)的權(quán)重越大.

針對上述三個(gè)難點(diǎn),一方面,將所有客戶第i個(gè)指標(biāo)的數(shù)據(jù)分為違約和非違約兩類樣本,根據(jù)違約樣本均值偏離全部樣本均值程度越大、則違約樣本均值偏離非違約樣本均值也大、這個(gè)指標(biāo)越能顯著區(qū)分違約與否狀態(tài)的思路,遴選通過方差齊性檢驗(yàn)的指標(biāo),建立了能顯著區(qū)分違約狀態(tài)與否的信用評級指標(biāo)體系.另一方面,在通過R聚類聚成的同類指標(biāo)中,根據(jù)違約樣本均值偏離全部樣本均值程度越大、這個(gè)指標(biāo)區(qū)分違約狀態(tài)能力越強(qiáng)的思路保留方差齊性檢驗(yàn)值最大、即對違約狀態(tài)影響最大的指標(biāo),剔除其余指標(biāo),避免了現(xiàn)有研究在剔除冗余指標(biāo)時(shí)、對違約狀態(tài)影響大的指標(biāo)可能被誤刪的不足.最后,根據(jù)違約樣本均值偏離全部樣本均值程度越大、這個(gè)指標(biāo)區(qū)分違約狀態(tài)能力越強(qiáng)、權(quán)重越大的思路對指標(biāo)進(jìn)行賦權(quán),使指標(biāo)權(quán)重的大小反映指標(biāo)鑒別違約狀態(tài)能力的大小,彌補(bǔ)了現(xiàn)有研究的指標(biāo)賦權(quán)與違約狀態(tài)鑒別能力無關(guān)的弊端.小企業(yè)債信評級的原理如圖1所示.

圖1 小企業(yè)債信評級的原理Fig.1 Principle of debt rating for small enterprises

3 小企業(yè)債信評級體系建立的方法

3.1 指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化方法

指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化的目的是將指標(biāo)數(shù)值轉(zhuǎn)化為[0,1]之間的數(shù),消除單位和量綱的不一致,為小企業(yè)信用評價(jià)指標(biāo)篩選提供數(shù)據(jù)基礎(chǔ).指標(biāo)可以分為正向、負(fù)向、區(qū)間型和定性指標(biāo)四類.正向指標(biāo)是指數(shù)值越大、小企業(yè)信用狀況越好的指標(biāo),例如“凈利潤”等指標(biāo).負(fù)向指標(biāo)是指數(shù)值越小、小企業(yè)信用狀況越好的指標(biāo),例如“全部資本化率”等指標(biāo).設(shè)xij為第i個(gè)指標(biāo)第j個(gè)企業(yè)的標(biāo)準(zhǔn)化得分;vij為第i個(gè)指標(biāo)第j個(gè)企業(yè)的原始數(shù)值;n為樣本總數(shù).根據(jù)正向指標(biāo)和負(fù)向指標(biāo)的標(biāo)準(zhǔn)化公式,則有[19]

區(qū)間型指標(biāo)是數(shù)值越接近某一特定區(qū)間、小企業(yè)信用狀況越好,并且在這個(gè)特定區(qū)間內(nèi)、信用狀況最好的指標(biāo).本文涉及兩個(gè)區(qū)間型指標(biāo):“居民消費(fèi)價(jià)格指數(shù)”和“年齡”.“居民消費(fèi)價(jià)格指數(shù)”的理想?yún)^(qū)間是[101,105][7].數(shù)值處于該區(qū)間表明既不通貨膨脹又不通貨緊縮;越低于該區(qū)間,表明通貨越緊縮,這種環(huán)境越不好;越高于該區(qū)間,表明通貨越膨脹,這種環(huán)境也越不好.“年齡”的理想?yún)^(qū)間是[31,45][7].處于該年齡段的企業(yè)法人的還款能力和還款意愿最強(qiáng);越偏離這個(gè)年齡段,企業(yè)法人的還款能力越差.設(shè)q1為指標(biāo)最佳區(qū)間左邊界;q2為指標(biāo)最佳區(qū)間右邊界.根據(jù)最佳區(qū)間指標(biāo)的打分公式,有[19]

對所有定性指標(biāo)制定出適合小企業(yè)的打分標(biāo)準(zhǔn),將指標(biāo)轉(zhuǎn)化為[0,1]區(qū)間的數(shù).定性指標(biāo)的打分標(biāo)準(zhǔn)如表1所示.定性指標(biāo)打分后的數(shù)據(jù)已經(jīng)是[0,1]區(qū)間的數(shù),不需要通過式(1)～式(3)進(jìn)行標(biāo)準(zhǔn)化處理.

現(xiàn)有研究比較常用的缺失值插補(bǔ)方法包括:均值插補(bǔ)法[20]、最差值插補(bǔ)法[19]、最大值插補(bǔ)法[12]和回歸插補(bǔ)法[19]等.本文選取最差值插補(bǔ)法,即將數(shù)據(jù)缺失值設(shè)為0,原因是:在銀行的實(shí)地調(diào)研中發(fā)現(xiàn),數(shù)據(jù)缺失的原因往往是因?yàn)樾∑髽I(yè)該項(xiàng)指標(biāo)較差甚至是沒有統(tǒng)計(jì)口徑,說明企業(yè)在該項(xiàng)指標(biāo)的水平很低,用最差值代替比較合理.如果用均值或者最大值進(jìn)行插補(bǔ)往往容易拉高該企業(yè)的整體水平,導(dǎo)致債信評級失準(zhǔn).而回歸插補(bǔ)法往往要求變量具備一定的線性關(guān)系,不適合定性指標(biāo)的缺失數(shù)據(jù)插補(bǔ).

表1 定性指標(biāo)打分標(biāo)準(zhǔn)Table 1 Standard of qualitative indicators

3.2 顯著判別違約狀態(tài)的指標(biāo)篩選方法

通過違約樣本均值偏離全部樣本均值程度越大、這個(gè)指標(biāo)區(qū)分違約狀態(tài)能力越強(qiáng)的思路,構(gòu)造每個(gè)指標(biāo)的方差齊性F檢驗(yàn)的統(tǒng)計(jì)量.若檢驗(yàn)通過,說明違約樣本與非違約樣本能被明顯的區(qū)分出來,則該指標(biāo)對區(qū)分違約狀態(tài)有顯著影響,應(yīng)該保留;反之,說明該指標(biāo)對區(qū)分違約狀態(tài)沒有顯著影響,應(yīng)該刪除.

方差齊性F檢驗(yàn)的統(tǒng)計(jì)量服從自由度為(k-1,n-2)的F–分布,即F～(k-1,n-2)分布,k為分組數(shù),n為樣本數(shù).設(shè)n1為違約樣本個(gè)數(shù),n2為非違約樣本個(gè)數(shù);n為全部樣本數(shù).x(k)ij為第i個(gè)指標(biāo)第j個(gè)借據(jù)的標(biāo)準(zhǔn)化值(k=1代表違約借據(jù),k=2代表非違約借據(jù),下同),為第i個(gè)指標(biāo)的平均值,即.為第i個(gè)指標(biāo)第j個(gè)借據(jù)的數(shù)值與第i個(gè)指標(biāo)平均值的絕對偏差,即為第i個(gè)指標(biāo)絕對偏差的平均值,即為全部借據(jù)第i個(gè)指標(biāo)絕對偏差的平均值,即.則有[20]

式(4)篩選指標(biāo)的特色:將所有客戶第i個(gè)指標(biāo)的數(shù)據(jù)分為違約和非違約兩類樣本,根據(jù)違約樣本均值偏離全部樣本均值程度越大、則違約樣本均值偏離非違約樣本均值也大、這個(gè)指標(biāo)越能顯著區(qū)分違約與否狀態(tài)的思路,遴選通過方差齊性F檢驗(yàn)的指標(biāo),建立了能顯著區(qū)分違約狀態(tài)與否的信用評級指標(biāo)體系.彌補(bǔ)了現(xiàn)有研究遴選指標(biāo)的標(biāo)準(zhǔn)與違約狀態(tài)無關(guān)的弊端,開拓了信用評級的新思路.

3.3 剔除信息冗余的指標(biāo)篩選方法

同一準(zhǔn)則層內(nèi)通過R聚類將反映信息重復(fù)的指標(biāo)聚成一類,保留同類指標(biāo)中方差齊性F檢驗(yàn)值最大、對違約狀態(tài)影響最大的指標(biāo),刪除其余指標(biāo),避免重復(fù)反映信息的指標(biāo)重疊和冗余.R聚類步驟如下[21]:

步驟1人為確定聚類數(shù)目l,即人為確定將m個(gè)評價(jià)指標(biāo)最終要分成l類.若下文的檢驗(yàn)通過,則說明這個(gè)聚類的數(shù)目合理,否則就重新確定.

步驟2將每個(gè)指標(biāo)看成一類,m個(gè)指標(biāo)就劃分成m類.

步驟3為敘述方便這里給出合并的定義,將兩類指標(biāo)人為的看成同一類別叫做合并.在步驟2的m類指標(biāo)中,將任意兩類合成一類,根據(jù)排列組合的原理,共有Cm2=m(m-1)/2種合并方案.通過式(6)計(jì)算每個(gè)合并方案的總離差平方和S,根據(jù)離差平方和最小確定合并方案.這樣,m類指標(biāo)就分成了m-1類.設(shè)把m個(gè)評價(jià)指標(biāo)分成l類;Sh為第h類的離差平方和;mh為第h類的指標(biāo)數(shù);Xih為第h類中的第i個(gè)指標(biāo)標(biāo)準(zhǔn)化數(shù)值向量;Xh為第h類指標(biāo)的樣本平均值向量,則第h類的離差平方和Sh和l個(gè)類的總離差平方和S分別為[21]

步驟4重復(fù)步驟3,直到最后的分類數(shù)目為步驟1里確定的l.

步驟5聚類結(jié)果的合理性檢驗(yàn).對聚類后的每一類指標(biāo)進(jìn)行K-W檢驗(yàn)[19],判斷聚類數(shù)目l是否合理.K-W檢驗(yàn)的原假設(shè)是不同的指標(biāo)在數(shù)據(jù)特征上無顯著差異.若每一類指標(biāo)的顯著性水平Sig＞0.01,則接受原假設(shè)[19],表明這一類指標(biāo)之間無顯著差異,可以聚成一類,聚類結(jié)果合理;否則,拒絕原假設(shè),表明這一類指標(biāo)之間有顯著差異,不能聚為一類,返回步驟1重新確定聚類數(shù)目.

步驟6指標(biāo)的剔除.在步驟5中聚為一類的指標(biāo)中,保留F值最大的指標(biāo),刪除其余指標(biāo).

通過F值剔除冗余指標(biāo)的特色:在通過R聚類聚成的同類指標(biāo)中,根據(jù)違約樣本均值偏離全部樣本均值程度越大、這個(gè)指標(biāo)區(qū)分違約狀態(tài)能力越強(qiáng)的思路保留方差齊性F值最大、即對違約狀態(tài)影響最大的指標(biāo),剔除其余指標(biāo),避免了現(xiàn)有研究在剔除冗余指標(biāo)時(shí)、對違約狀態(tài)影響大的指標(biāo)可能被誤刪的不足.

3.4 債信評分模型的構(gòu)建和檢驗(yàn)方法

1)顯著判別違約狀態(tài)的指標(biāo)賦權(quán)思路

設(shè)wi為第i個(gè)指標(biāo)的權(quán)重,則

式(7)將Fi值轉(zhuǎn)化為[0,1]之間的數(shù),保證權(quán)重之和是1.通過Fi值對指標(biāo)進(jìn)行賦權(quán),Fi值越大,權(quán)重wi越大,滿足對違約狀態(tài)影響越顯著、指標(biāo)權(quán)重越大的思路.根據(jù)違約樣本均值偏離全部樣本均值程度越大、這個(gè)指標(biāo)區(qū)分違約狀態(tài)能力越強(qiáng)、權(quán)重越大的思路對指標(biāo)進(jìn)行賦權(quán),使指標(biāo)權(quán)重wi的大小反映指標(biāo)鑒別違約狀態(tài)能力的大小,改變了現(xiàn)有研究的指標(biāo)賦權(quán)與違約狀態(tài)鑒別能力無關(guān)的弊端.

2)債信得分的測算方法

設(shè)sj為第j個(gè)客戶的債信得分,wi為第i個(gè)指標(biāo)的權(quán)重,xij為第i個(gè)指標(biāo)第j個(gè)客戶的標(biāo)準(zhǔn)化得分,則[19]

評價(jià)得分sj越高,客戶的信用狀況越好.由于式(8)計(jì)算的債信得分是[0,1]區(qū)間的數(shù)值,且得分之間的區(qū)分度不大.在債信等級劃分時(shí),為了使得分區(qū)間有足夠的區(qū)分度,需要將式(8)計(jì)算的債信得分通過式(9)進(jìn)行標(biāo)準(zhǔn)化處理,將債信得分轉(zhuǎn)化為[0,100]之間的數(shù)值.設(shè)Sj為第j個(gè)樣本的債信標(biāo)準(zhǔn)化得分,smin為所有樣本債信得分的最小值,smax為所有樣本債信得分的最大值,則[19]

3)基于ROC的債信評分模型的檢驗(yàn)方法

通過ROC曲線的AUC值,檢驗(yàn)債信評分模型的違約預(yù)測能力是否顯著,同時(shí)也可以證明債信評級指標(biāo)體系整體是否合理.ROC(receiver operating characteristic)曲線,也稱為感受型曲線.ROC曲線作圖時(shí)需要用到兩個(gè)指標(biāo):靈敏度(sensitivity)、特異度(specificity).靈敏度,是用正確判定為違約的個(gè)數(shù)除以實(shí)際所有的違約數(shù),指實(shí)際違約的樣本被正確判定為違約的比率.特異度,是用正確判定為非違約的個(gè)數(shù)除以所有的非違約數(shù),指實(shí)際非違約的樣本被準(zhǔn)確判定為非違約的比率.

ROC曲線下邊包圍的面積就是AUC值.ROC曲線越遠(yuǎn)離對角線、越靠近右上方時(shí),債信得分判斷違約狀態(tài)的正確率越高,該債信評分模型越合理;也就是說AUC值(area under curve)越大、該債信評分模型越合理.當(dāng)AUC=1時(shí)為理想值,其判別效果最好.AUC在0.8及其以上時(shí),違約判別效果較好.當(dāng)AUC在0.7～0.8之間違約判別效果中等.AUC在0.5～0.7之間違約判別效果較差.當(dāng)AUC在0～0.5之間違約判別效果極差.

3.5 債信等級劃分的方法

本文將小企業(yè)債信劃分為AAA、AA、A、BBB、BB、B、CCC、CC和C共9個(gè)債信等級,原因如下:在國際三大權(quán)威信用評級機(jī)構(gòu)中,穆迪的企業(yè)信用等級包括AAA、AA、…、C共9個(gè)等級[3],標(biāo)普在穆迪的基礎(chǔ)上又增加了一個(gè)D級[3],共10個(gè)等級,惠譽(yù)對于1年左右的企業(yè)短期貸款也是9級劃分[2].同時(shí),中國郵政儲蓄銀行[8]、中國工商銀行[6]等國內(nèi)權(quán)威機(jī)構(gòu)對于小企業(yè)信用等級的劃分都是9個(gè)等級.綜上,本文借鑒國際和國內(nèi)比較流行的9級標(biāo)準(zhǔn)對小企業(yè)債信等級進(jìn)行劃分.當(dāng)然了,即使是借鑒標(biāo)普的10級標(biāo)準(zhǔn)、中國建設(shè)銀行的5級標(biāo)準(zhǔn),甚至是主權(quán)信用評級的21級標(biāo)準(zhǔn),本文的等級劃分方法依然可以實(shí)現(xiàn).

年應(yīng)收未收本息是指貸款逾期第90天時(shí)客戶拖欠銀行的本金與利息之和除以貸款期限.年應(yīng)收本息是指貸款逾期第90天時(shí)客戶應(yīng)該向銀行繳納的所有本金與利息之和除以貸款期限.債信等級的年違約損失率是指該債信等級下所有客戶的年應(yīng)收未收本息與所有客戶年應(yīng)收本息的比值.這種年違約損失率的測算方法可以準(zhǔn)確反映客戶貸款給銀行造成的真實(shí)損失,解決了現(xiàn)有研究的違約損失率無法真實(shí)反映銀行損失的問題.

把信用得分從高到低進(jìn)行排序.根據(jù)高分?jǐn)?shù)對應(yīng)高債信等級的規(guī)則,把債信等級劃分為9個(gè)等級.通過債信等級越高、違約損失率越低的標(biāo)準(zhǔn)對債信等級進(jìn)行調(diào)整.每個(gè)客戶都對應(yīng)著一定的債信得分,故通過對每個(gè)債信等級得分上、下限的調(diào)整,可以改變該債信等級內(nèi)的客戶數(shù),也就改變了這個(gè)債信等級內(nèi)年應(yīng)收未收本息、年應(yīng)收本息的變化,進(jìn)而引起年違約損失率的變化.上述分析表明,一個(gè)債信等級得分上、下限的調(diào)整,會引起該債信等級及相鄰債信等級年違約損失率的變化.因此,通過不斷調(diào)整9個(gè)債信等級得分的上、下限,總可以得到滿足債信等級劃分標(biāo)準(zhǔn)的債信等級分布,此時(shí)對應(yīng)的各個(gè)債信等級得分的上、下限,就是最終的債信等級劃分界限.根據(jù)債信等級越高、違約損失率越低的債信等級劃分標(biāo)準(zhǔn),也可以開發(fā)算法和程序,由計(jì)算機(jī)完成這個(gè)過程.例如,下文實(shí)證4.4中的債信等級劃分就是使用的我們團(tuán)隊(duì)授權(quán)的國家發(fā)明專利[22]由計(jì)算機(jī)方便地完成,它可以避免無休止的債信等級得分上、下限的調(diào)整.

4 小企業(yè)債信評級的實(shí)證分析

4.1 指標(biāo)的海選

根據(jù)中國某區(qū)域性商業(yè)銀行京、津、滬、渝等地區(qū)14個(gè)分行的小企業(yè)的財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo),結(jié)合穆迪、標(biāo)普等國外典型金融機(jī)構(gòu),中國建設(shè)銀行等國內(nèi)典型金融機(jī)構(gòu)的小企業(yè)信用指標(biāo)體系,以及國內(nèi)外學(xué)術(shù)文獻(xiàn)的小企業(yè)指標(biāo)體系,建立了包含還款能力和還款意愿2個(gè)一級準(zhǔn)則層,企業(yè)內(nèi)部財(cái)務(wù)因素等7個(gè)二級準(zhǔn)則層,償債能力、盈利能力等10個(gè)三級準(zhǔn)則層,資產(chǎn)負(fù)債率、速動比率等107個(gè)指標(biāo)的海選體系.

表2 小企業(yè)指標(biāo)的原始數(shù)據(jù)及標(biāo)準(zhǔn)化數(shù)據(jù)Table 2 Original data and standardized date of indicators for small enterprises

根據(jù)數(shù)據(jù)可觀測性原則,刪除還款來源、工資福利增長率等26個(gè)數(shù)據(jù)無法獲得的評價(jià)指標(biāo).刪除后剩余的81個(gè)指標(biāo)列于表2第c列前81行,表2第d列是相應(yīng)的指標(biāo)類型.為下文實(shí)證的方便,將表2第c列的81個(gè)指標(biāo)通過X1～X81進(jìn)行編號,將表2第b列的10個(gè)三級準(zhǔn)則層通過C1～C10進(jìn)行編號.

4.2 樣本選取和數(shù)據(jù)來源

根據(jù)中華人民共和國工業(yè)和信息化部、國家統(tǒng)計(jì)局、國家發(fā)展和改革委員會、財(cái)政部四部委的2011年6月制定的《中小企業(yè)劃型標(biāo)準(zhǔn)規(guī)定》[23],選取的樣本包括批發(fā)企業(yè)、零售企業(yè)、租賃和商務(wù)服務(wù)業(yè)、倉儲企業(yè)、建筑企業(yè)、交通運(yùn)輸企業(yè)、住宿餐飲業(yè)、房地產(chǎn)開發(fā)經(jīng)營、信息傳輸業(yè)、軟件和信息技術(shù)服務(wù)業(yè)、其他企業(yè)共12個(gè)行業(yè)的小企業(yè).

樣本數(shù)據(jù)來源于中國某區(qū)域性商業(yè)銀行總行信貸數(shù)據(jù)庫[24].樣本時(shí)間序列從1994年到2012年9月1日.在這個(gè)時(shí)間序列內(nèi),有769個(gè)小企業(yè)發(fā)生了貸款行為,共有1 231個(gè)小企業(yè)貸款借據(jù),涉及京、津、滬、渝等地區(qū)14個(gè)分行,北京、天津、上海、重慶、大連、盤錦、營口等28個(gè)城市.所有貸款樣本均是采用基準(zhǔn)利率上浮的方式,按月進(jìn)行還息,最小年利率為5.6%,最大年利率為10.582 5%.在1 231個(gè)貸款樣本中,有35個(gè)違約樣本,1 196個(gè)非違約樣本,違約比率0.827%,違約總額3億多元.

在表2前81行中：第1列～第1 231列是指標(biāo)的原始數(shù)據(jù)；第1 232列～第2 462列是原始數(shù)據(jù)的標(biāo)準(zhǔn)化打分結(jié)果,與第1列～第1 231列的順序是一一對應(yīng).通過式(1)～式(3)對正向、負(fù)向和區(qū)間指標(biāo)進(jìn)行標(biāo)準(zhǔn)化打分,通過表1對定性指標(biāo)進(jìn)行標(biāo)準(zhǔn)化打分.表2第82行是1 231個(gè)小企業(yè)借據(jù)的違約標(biāo)識,“1”代表違約,“0”代表沒有違約.

4.3 債信評級指標(biāo)體系的建立

1)基于方差齊性檢驗(yàn)的第一次篩選

通過式(4)計(jì)算表2第d列的81個(gè)指標(biāo)的方差齊性檢驗(yàn)F值,這個(gè)過程可方便地通過SPSS軟件實(shí)現(xiàn).在81個(gè)指標(biāo)中,X1等41個(gè)指標(biāo)的F值均小于臨界點(diǎn)F0.01(1,1 229)=6.64,檢驗(yàn)不通過,說明這41個(gè)指標(biāo)的違約樣本和非違約樣本的方差沒有顯著差異,指標(biāo)不能顯著區(qū)分違約狀態(tài),應(yīng)該刪除.而X2等40個(gè)指標(biāo)的方差齊性F檢驗(yàn)值均大于臨界點(diǎn)6.64,檢驗(yàn)通過,說明這40個(gè)指標(biāo)的違約樣本和非違約樣本的方差有顯著差異,應(yīng)該保留.通過第一次篩選,在81個(gè)指標(biāo)中剔除41個(gè)指標(biāo),保留了40個(gè)指標(biāo).

表3 小企業(yè)債信評級指標(biāo)體系Table 3 Indicators system of debt rating for small enterprises

2)基于R聚類的第二次篩選

選取R聚類進(jìn)行第二次篩選的原因:本文分別通過相關(guān)分析、共線性檢驗(yàn)和R聚類三種方法進(jìn)行第二次篩選.在第一次篩選剩余的40個(gè)指標(biāo)中,通過相關(guān)分析只能刪除7個(gè)指標(biāo),通過共線性檢驗(yàn)刪除8個(gè)指標(biāo),剩余的指標(biāo)體系依然過于龐大.而通過R聚類可以刪除19個(gè)指標(biāo),使得指標(biāo)精簡到21個(gè),滿足商業(yè)銀行的評級指標(biāo)不能過多的原則.最終建立的指標(biāo)體系為表3第e列的21個(gè)指標(biāo).表3第1列是指標(biāo)對應(yīng)的F值.

4.4 債信評分模型的建立和債信等級的劃分

1)債信評分模型的建立

將表3第1列的數(shù)代入式(7),可以得到21個(gè)指標(biāo)的權(quán)重,列入表3第2列.將表3第2列的權(quán)重代入式(8),得到小企業(yè)債信評分模型為

2)基于ROC的債信評分模型的檢驗(yàn)

為了驗(yàn)證債信評分模型的違約預(yù)測能力,本文分別抽取全樣本的30%、40%、…、80%作為檢驗(yàn)樣本,得到的AUC值如表4所示.通過表4可以看出,6類不同比例的樣本的AUC值均大于0.9,說明本文建立的債信評分模型的違約判別能力比較顯著.

表4 不同比例樣本的AUC值Table 4 AUC values of different proportions samples

3)小企業(yè)債信等級的劃分

根據(jù)上文“3.5債信等級劃分的方法”,通過國家發(fā)明專利[22]可以得到債信等級劃分結(jié)果,如表5所示.表5第3列是每個(gè)債信等級的樣本數(shù),第4列是債信等級的年違約損失率,第5列是債信等級的得分區(qū)間.

表5 小企業(yè)債信等級劃分結(jié)果Table 5 Debt rating classification results of small enterprises

4.5 小企業(yè)債信評級體系的特點(diǎn)

1)系統(tǒng)反映信用評級典型的5C原則.本文建立的小企業(yè)債信評級指標(biāo)體系滿足金融界普遍認(rèn)可的品德(character)、能力(capacity)、資本(capital)、擔(dān)保(collateral)和環(huán)境(condition)等5C信用評價(jià)原則,21個(gè)指標(biāo)與5C原則的對應(yīng)關(guān)系如表3第3列所示.

2)評級體系中的21個(gè)指標(biāo)均能顯著區(qū)分違約與否的狀態(tài).由表3第1列的F值可知：評級體系中21個(gè)指標(biāo)的F值均大于顯著性水平0.01下F分布的臨界值6.64,說明這些指標(biāo)對違約狀態(tài)有顯著影響.實(shí)證結(jié)果表明:本研究評級體系中的速動比率、企業(yè)到位注冊資金類別、企業(yè)法律糾紛情況等21個(gè)指標(biāo)均對區(qū)分違約狀態(tài)有顯著影響.

3)符合債信等級越高、違約損失率越低的金字塔原則.任何評級體系都要滿足“債信等級越高、違約損失率越低”的金字塔原則,否則,無論貌似多么合理的評價(jià)方程都是不對的.表5第4列的債信等級年違約損失率嚴(yán)格遞增,滿足債信等級越高、違約損失率越低的原則.而且,不同等級之間的極差大致相同,不會出現(xiàn)相鄰等級年違約損失率的差別過大或過小的現(xiàn)象.

4)恩格爾系數(shù)和居民價(jià)格消費(fèi)指數(shù)能反映小企業(yè)的清償能力.由表3第11行～第12行可知,居民消費(fèi)價(jià)格指數(shù)、恩格爾系數(shù)的F值分別為321.12、51.717,高于F分布的臨界值6.64,均對小企業(yè)違約狀態(tài)有顯著影響,應(yīng)該保留.事實(shí)上,居民消費(fèi)價(jià)格指數(shù)反映地區(qū)的通貨膨脹,屬于區(qū)間型指標(biāo).數(shù)值在[101,105]內(nèi)表明既不通貨膨脹又不通貨緊縮,越低于該區(qū)間,表明通貨越緊縮,償還貸款的能力也越差；越高于該區(qū)間,表明通貨越膨脹,償還貸款的能力也越差.恩格爾系數(shù)是食品支出總額占個(gè)人消費(fèi)支出的比重.該指標(biāo)越大,說明食品支出總額的比重越大,則居民的生活水平越低,償還貸款的能力也越差.

5)抵質(zhì)押擔(dān)保因素能反映小企業(yè)的清償能力.由表3第21行可知,抵質(zhì)押擔(dān)保因素的F值為11.134,高于F分布的臨界值6.64,表明“抵質(zhì)押擔(dān)保因素”對違約狀態(tài)有顯著影響,應(yīng)該保留.實(shí)證結(jié)果表明:“抵質(zhì)押擔(dān)保因素”能夠反映小企業(yè)的清償能力.

4.6 幾點(diǎn)說明

1)本文債信評級體系設(shè)計(jì)的完備性

本文的債信評級體系包括指標(biāo)的遴選、權(quán)重的確定和債信等級的劃分等主要內(nèi)容,僅使用其中的某部分模型達(dá)不到良好的效果,原因有三:

一是指標(biāo)的遴選是小企業(yè)信用評價(jià)的基礎(chǔ)和關(guān)鍵,指標(biāo)體系構(gòu)建的不合理,無論如何進(jìn)行評價(jià)都是有問題的,指標(biāo)體系的合理性和準(zhǔn)確性則決定著評價(jià)結(jié)果的可信度.

二是在小企業(yè)信用風(fēng)險(xiǎn)評價(jià)中,違約的可能性是鑒別客戶的最重要的標(biāo)準(zhǔn),必須貫穿在指標(biāo)遴選、賦權(quán)、評價(jià)方程的建立等整個(gè)信用風(fēng)險(xiǎn)評價(jià)的過程中.否則,就會出現(xiàn)越是可能違約的壞客戶,評價(jià)得分反而越高的不合理現(xiàn)象.合理的權(quán)重可以提高對違約客戶的預(yù)測精度,減少銀行的損失.

三是債信等級的劃分必須滿足“債信等級越高、違約損失率越低”的信用評級的本質(zhì)屬性,才能在貸款定價(jià)時(shí)保證不同等級債務(wù)人的違約風(fēng)險(xiǎn)得到足額補(bǔ)償.否則就會出現(xiàn)越是可能違約的客戶、債信等級反而越高的不合理現(xiàn)象.

2)本文債信評級體系的對比分析

一是指標(biāo)體系的對比分析.標(biāo)普、穆迪和鄧白氏通過流動比率、速動比率和資產(chǎn)報(bào)酬率等反映企業(yè)真實(shí)清償能力的財(cái)務(wù)指標(biāo)進(jìn)行企業(yè)信用評價(jià)[3].中國建設(shè)銀行[5]、中國工商銀行[6]通過股東的經(jīng)濟(jì)實(shí)力、管理層的從業(yè)經(jīng)驗(yàn)建立企業(yè)評級指標(biāo)體系.但是這些指標(biāo)的確定標(biāo)準(zhǔn)不得而知,是否能夠顯著區(qū)分違約狀態(tài)也是有待商榷.本文首先參考國內(nèi)外的權(quán)威機(jī)構(gòu)和文獻(xiàn)梳理建立了海選指標(biāo)體系,然后通過方差齊性檢驗(yàn)遴選對違約狀態(tài)有顯著影響的指標(biāo),通過R聚類刪除反映信息重復(fù)的指標(biāo),保證建立的指標(biāo)體系能夠顯著的區(qū)分客戶的違約狀態(tài).

二是指標(biāo)權(quán)重的對比分析.標(biāo)普、穆迪和鄧白氏等國際權(quán)威機(jī)構(gòu)[3]的信用評級是個(gè)黑匣子,僅能從文獻(xiàn)梳理中挑選出部分指標(biāo),指標(biāo)權(quán)重的確定標(biāo)準(zhǔn)更是無法獲取.而中國建設(shè)銀行[5]、中國工商銀行[6]指標(biāo)的權(quán)重是主觀設(shè)定,并沒有根據(jù)指標(biāo)對違約狀態(tài)的影響程度.本文通過區(qū)分違約狀態(tài)越顯著的指標(biāo)、權(quán)重越大的思路進(jìn)行賦權(quán),使指標(biāo)權(quán)重的大小反映指標(biāo)鑒別違約狀態(tài)能力的大小,彌補(bǔ)了現(xiàn)有研究的指標(biāo)賦權(quán)與違約狀態(tài)鑒別能力無關(guān)的弊端.

三是評級結(jié)果的對比分析.除了上述“方差齊性檢驗(yàn)+R聚類”的方法外,本文還通過“Probit+偏相關(guān)分析”、“相關(guān)分析+顯著性檢驗(yàn)”和“支持向量機(jī)+共線性檢驗(yàn)”等其他3種不同的方法對同一數(shù)據(jù)進(jìn)行指標(biāo)遴選,并通過國家發(fā)明專利[22]進(jìn)行債信等級劃分,本文得到的金字塔結(jié)果最符合債信等級越高、違約損失率越低的標(biāo)準(zhǔn),效果最佳.

3)面對突發(fā)事件的解決方案

小企業(yè)的信用及其評價(jià)缺乏穩(wěn)定性,尤其是受突發(fā)事件的影響過大,對此本文的處理方法有二:一是本文建立的小企業(yè)債信評級體系包含小企業(yè)的財(cái)務(wù)指標(biāo)、非財(cái)務(wù)指標(biāo)、外部宏觀指標(biāo)、抵質(zhì)押擔(dān)保指標(biāo)等因素,幾乎涵蓋了影響小企業(yè)信用風(fēng)險(xiǎn)的各個(gè)方面.如果受到突發(fā)事件的影響,小企業(yè)的財(cái)務(wù)、非財(cái)務(wù)等指標(biāo)會發(fā)生短期急劇惡化,對應(yīng)這些指標(biāo)數(shù)據(jù)進(jìn)行收集后再代入模型進(jìn)行評級,評級結(jié)果必然發(fā)生變化.

二是本文對應(yīng)的計(jì)算機(jī)軟件系統(tǒng)已經(jīng)實(shí)踐應(yīng)用到中國某區(qū)域性商業(yè)銀行,軟件系統(tǒng)中包含評級調(diào)整功能,當(dāng)小企業(yè)受到惡劣負(fù)面消息等突發(fā)事件的影響后,銀行可以及時(shí)對該企業(yè)的評級結(jié)果進(jìn)行修正,以保證銀行的貸款定價(jià)能夠覆蓋違約風(fēng)險(xiǎn).由于該系統(tǒng)涉及商業(yè)銀行保密性問題,具體操作不宜展開.

5 結(jié)束語

本文以中國某一區(qū)域性商業(yè)銀行的京、津、滬、渝等地區(qū)14個(gè)分行的1 231筆小企業(yè)貸款數(shù)據(jù)為樣本進(jìn)行實(shí)證分析,結(jié)果表明:速動比率、法人代表信用卡記錄等21個(gè)指標(biāo)構(gòu)成的指標(biāo)體系不但可以顯著區(qū)分小企業(yè)的違約狀態(tài)、而且避免了重復(fù)反映信息的指標(biāo)重疊和冗余.同時(shí)，小企業(yè)債信評級中非財(cái)務(wù)指標(biāo)的重要性較大.在21個(gè)指標(biāo)中,10個(gè)財(cái)務(wù)指標(biāo)的權(quán)重和為0.338,11個(gè)非財(cái)務(wù)指標(biāo)的權(quán)重和為0.662,說明在小企業(yè)的評級中,單純以財(cái)務(wù)指標(biāo)為主的指標(biāo)體系已不能反映小企業(yè)的信用狀況,以宏觀環(huán)境和定性指標(biāo)為主的非財(cái)務(wù)指標(biāo)扮演者越來越重要的作用.其中,指標(biāo)X52居民消費(fèi)價(jià)格指數(shù)和X32經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額的權(quán)重為0.339和0.116,均超過了0.1,在所有指標(biāo)中排在前兩位;指標(biāo)X40營運(yùn)資本配置比率和X68居住狀況的權(quán)重只有0.008,重要性最低.